它只与估计技术有关——如何得出模型中参数的一组估计值。通过迭代重新加权最小二乘拟合广义线性模型。选择任意一组权重开始（通常都等于开始），然后选择线性预测器中的参数估计，以最小化残差平方的加权和。线性预测器中的那些估计参数用于估计新的均值​​向量。从中派生出一组新的权重 - 例如，根据所使用的族和链接函数，响应的方差可能与响应的平均值成正比 - 因此权重将与平均值成反比。这组新的权重用于整个过程的新迭代。

因此，您询问的 glm() 的三个参数只是用户在某个任意点启动过程的方法，而不是允许它选择自己的默认起点。从您链接到的帮助文件中：

• start - 线性预测器中参数的起始值。
• etastart - 线性预测器的起始值。
• mustart - 均值向量的起始值。

可以使用多个随机起点来避免陷入局部最大值

“frequentist packages”……哈哈（好像它是一个东西）：我总是觉得“二分法思维”很有趣

感谢上帝，除了贝叶斯学派和频率学派之外，还有一个相似学派。

一个人可以在不通过常客检查站的情况下成为一个喜欢的人，并且可能性在常客学校中没有特殊的位置。